Media and Construction of Difference: How Media Representations Work to Criminalize, Label, and Induce Border-Restrictions against Young African Female Migrants in Europe
Notice bibliographique
Résumé
The United Nation’s Technical Specialist for Adolescents and Youth at the UN Population Fund, Sylvia Wong reveals that young adults currently represent the largest proportion of transnational migrants (Wong, 2009). Migrant youth, and in this context, female African migrants are being subjected to very difficult transit experiences both at transnational borders (Toasije, 2009; Brachet, 2012) and in the receiving societies (Ki-moon, 2009; Solimano, 2010). Our work disturbs existing notion of free movement of individuals across transnational borders to accentuate the effect of Western media representations on Europe-bound female youth migrants from Sub-Saharan Africa. We foreground the pervasive border-restrictions, oppressive treatments, and involuntary deportations experienced by these female migrants in neo-colonial surveillance systems, and tropes of racist securitization masking the interlocking systems of oppression the female migrants have to deal with. The work uses textual analysis to speak to earlier research-report from regimented qualitative field-study conducted in 2013 in the Republic of Malta. It argues that labeling and criminalization of young African female migrants by the European media results in negative public opinions, and subsequently, severe restrictive and oppressive practices against these migrants both at EU borders and in the host societies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».